[發明專利]基于區塊鏈的電商分析方法及系統

在審

• 申請號: 202011406667.3
• 申請日: 2020-12-04
• 公開（公告）號: CN112651768A
• 公開（公告）日: 2021-04-13
• 發明（設計）人: 王治東;謝紹韞
• 申請（專利權）人: 蘇州黑云智能科技有限公司
• 主分類號: G06Q30/02
• 分類號: G06Q30/02;G06F21/64;G06F40/284;G06F16/31;G06F16/35;G06F16/36
• 代理公司: 蘇州市中南偉業知識產權代理事務所(普通合伙) 32257
• 代理人: 李艾

1.一種基于區塊鏈的電商分析方法，其特征在于，包括以下步驟：

步驟1：獲取產品評論信息和對應的用戶地理位置信息，根據不同的用戶地理位置對產品評論信息進行歸類；

步驟2：對不同地理位置下的產品評論信息進行預處理，對預處理后的數據進行分詞，得到詞語集；

步驟3：使用TF-IDF模型對詞語集進行數據挖掘，去除非關鍵詞語得到關鍵字集；

步驟4：對關鍵字集進行分類，對分類后的關鍵字進行情感傾向的詞典匹配，得到不同情感傾向的分類；

步驟5：通過LDA主題模型分析不同的情感傾向，分析用戶流失的原因并結合用戶所處的地理位置提出預防用戶流失的建議；

步驟6：將不同地理位置下的情感傾向分類、以及相應的分析結果存儲在區塊鏈中，并根據不同情感傾向的分類結果更新區塊鏈中的基礎詞庫。

2.根據權利要求1所述的基于區塊鏈的電商分析方法，其特征在于：所述步驟2中對產品評論信息進行預處理，為對評論信息進行去重。

3.根據權利要求1所述的基于區塊鏈的電商分析方法，其特征在于：所述步驟2中對預處理后的數據進行分詞，采用的分詞方法為使用jieba分詞器。

4.根據權利要求1所述的基于區塊鏈的電商分析方法，其特征在于：所述步驟3中使用TF-IDF模型對詞語集進行數據挖掘，具體為定義需要去除的詞語列表，使用Python下的sklearn模塊實現TF-IDF，選擇出適合用來分類的關鍵字集。

5.根據權利要求1所述的基于區塊鏈的電商分析方法，其特征在于：所述步驟4中對關鍵字集進行分類的方法為采用k-means進行聚類，具體為對關鍵字集進行k-means聚類得到分類和各類的質心，再計算每個關鍵字到質心的距離，選擇距離最近的類加入，完成分類。

6.根據權利要求1所述的基于區塊鏈的電商分析方法，其特征在于：所述步驟5中通過LDA主題模型分析不同的情感傾向，具體為通過LDA主題模型挖掘數據集中的潛在主題，進而分析數據集的集中關注點及其相關特征詞，在此基礎上分析用戶流失的原因。

7.一種基于區塊鏈的電商分析系統，其特征在于：包括網絡爬蟲模塊、分析模塊和區塊鏈存儲模塊，

所述網絡爬蟲模塊用于獲取產品評論信息和對應的用戶地理位置信息，將信息提供給所述分析模塊，并定時更新；

所述分析模塊分析用戶流失的原因并結合用戶所處的地理位置提出預防用戶流失的建議；

所述區塊鏈存儲模塊用于將不同情感傾向和地理位置的分類、以及相應的分析結果存儲在區塊鏈上。

8.根據權利要求7所述的基于區塊鏈的電商分析系統，其特征在于：所述分析模塊包括地理分類模塊、評論分類模塊和流失預測模塊，

所述地理分類模塊對網絡爬蟲模塊提取到用戶地理位置信息進行分類，并將處于不同地理位置下的產品評論信息提供給所述評論分類模塊；

所述評論分類模塊對處于不同地理位置下的產品評論信息進行分類，得到不同情感傾向的分類，并將分類結果提供給所述流失預測模塊；

所述流失預測模塊對不同情感傾向進行分析，并結合用戶所處的地理位置提出預防用戶流失的建議。

9.根據權利要求8所述的基于區塊鏈的電商分析系統，其特征在于：所述評論分類模塊對處于不同地理位置下的產品評論信息進行分詞，在此基礎上使用TF-IDF模型對詞語集進行數據挖掘得到關鍵字集，對關鍵字集分類后進行情感傾向的詞典匹配，得到不同情感傾向的分類。

10.根據權利要求8所述的基于區塊鏈的電商分析系統，其特征在于：所述地理分類模塊根據不同的用戶地理位置信息生成相應的分布圖，并將分布圖與評論數據關聯，用于根據地理位置查找當地的用戶評論信息。